CSV Merge

简介

批量合并多个CSV文件，并输出合并后的CSV文件。

参数说明

Archive File

用于合并的多个CSV文件的打包文件，支持格式：.zip,.tar,.tar.gz,.tgz,.tar.bz2,.tbz2,.tar.xz,.txz

CSV1

参与合并的单个CSV文件。

CSV2

参与合并的单个CSV文件。

CSV3

参与合并的单个CSV文件。

CSV4

参与合并的单个CSV文件。

CSV5

参与合并的单个CSV文件。

打包文件或单个CSV文件，可以自由设置，至少设置一个。

Columns

指定每个CSV文件需要提取并输出的列，使用文本文件，每行定义一个文件名对应的列名，用英文逗号分隔。未定义的文件，将提取并输出所有列。输出的列名默认是原文件中的列名，如需修改输出的列名称，在对应列名后加上:修改后的列名
示例如下：

ESM_output.csv,Mutation,Log_likelihood,Log_likelihood_target_chain
pythia_output.csv,Mutation,Energy:ddG(pythia)
pythia_ppi_output.csv,Mutation,ddG_Pred:ddG(pythia_ppi)

表示：

• 从文件ESM_output.csv中提取列Mutation，Log_likelihood，及Log_likelihood_target_chain；
• 从文件pythia_output.csv中提取列Mutation，Energy，同时Energy重命名为pythia(ddG);
• 从文件pythia_ppi_output.csv中提取列Mutation，ddG_Pred，同时ddG_Pred重命名为ddG(pythia_ppi)

Join Columns

指定上述提取的列中，用于合并的列名，多列时用逗号分隔，如Mutation表示使用Mutation列进行合并，或者Mutation,Chain表示同时用Mutation,Chain两列进行合并。
注意：如不指定该参数，默认会从各文件的提取列中，选择名称相同的公共列，如没有公共列则无法合并。

Filter Type

过滤方式，目前支持三种方式：TopN，WT，Both:
TopN：对指定的列进行排序，选取排序靠前的N条记录。
WT：对指定的列进行排序，选取数值优于野生型的记录。
Both：同时采用前述两种过滤方式。

Filter Columns

指定用于过滤的列名，多列时使用逗号分隔，如：Energy(Pythia),ddG_pred(ThermoMPNN)表示使用列名为Energy(Pythia)及ddG_pred(ThermoMPNN)的列进行过滤。

• 指定该参数后，输出的 merged.csv 文件中将新增 Count_Selected 列，用于统计满足筛选条件的列数量。例如，当值为 2 时，表示有两列符合过滤条件。

Sort Direction

指定Filter Columns参数中，每列的排序方式，1表示升序，0表示降序，与列名顺序对应，通过逗号分隔，如：1,0表示第一个列名用升序，第二个列名用降序。如不设置该参数，则默认都采用升序。

TopN

设置TopN过滤方式中的具体N值，正整数。

Exclude Sites

输出的突变信息和序列中，不包含指定的位点。
格式为：残基位置或范围，如：‘1-10,36’，可加链名，如：‘A1-10,A36’，不加链名时，表示应用到所有可能链的相应位置

Diverse AA

进行二次过滤时，对同一位点的所有突变中，仅保留同类型/性质突变残基中的排名最优者，默认为True。

Max AA per Site

进行二次过滤时，允许同一位点中突变数量的最大值，默认为2，仅保留排名靠前的最大数量突变残基。

Interface Chain

用于指定目标链，多条链时使用逗号分隔，如 A,B。在二次筛选阶段，设置后只保留与目标链存在相互作用的突变，不设置则全部保留。如抗原-抗体复合物中，只需保留与抗原链相互作用界面上的突变时，设置该参数为抗原链名，可过滤掉重轻链相互作用界面上的突变。

SASA

可加入SASA（relativeSideChain）与Bfactor信息，模块Solvent Exposure (SASA)的输出文件。

Output Sequences

是否输出过滤后，相应突变对应的突变序列，单选，Yes或No，默认为Yes。注意：合并后的CSV文件中必须有包含突变信息的列，且突变信息的格式为原残基+突变位置+突变残基（如：G1A），才能进行正常的序列输出。

Mutation Column

定义包含突变信息的列名，默认为Mutation。

Output

输出合并文件，默认为merged.csv

Output Fasta

输出序列文件的名称，fasta格式，默认为mutated_seqs.fasta

结果说明

合并输出文件merged.csv。当指定Filter Columns参数时，输出的 merged.csv 文件中将新增：

• Hits_Count，用于统计满足筛选条件的列数量。例如，当值为 2 时，表示有两列符合过滤条件。
• Rank_列名，为该条记录在每个过滤列的排序Rank值。
• Rank_Avg，满足过滤条件的过滤列的平均Rank值。

结果优先按Hits_Count 列降序排序，然后按Rank_Avg列升序排列。

突变序列对应的fasta文件mutated_seqs.fasta，Batch格式的复合物序列文件hits_complex_batch.fasta。

二次过滤后的结果文件，相互作用界面上计算结果

• 基于合并的计算结果，挑选的相互作用界面上的多样性子集interface_diverse_subset.csv

• 对相互作用界面上的突变子集，经二次过滤后生成的Batch格式的复合物序列interface_diverse_complex_batch.fasta

• 对相互作用界面上，经二次过滤后得到的多样性子集，各突变对应的突变序列interface_diverse_mutated_seqs.fasta

• 对相互作用界面上，经二次过滤后得到的多样性子集，生成双点与三点突变组合，对应的复合物序列。interface_diverse_multi_mutants_complex_batch.fasta

• 对相互作用界面上，经二次过滤后得到的多样性子集，生成双点与三点突变组合的序列interface_diverse_multi_mutants_seqs.fasta

二次过滤后的结果文件，非相互作用界面上计算结果

• 对非相互作用界面上，经二次过滤后得到的多样性子集non_interface_diverse_subset.csv
• 对非相互作用界面上，经二次过滤后生成的Batch格式的复合物序列non_interface_diverse_complex_batch.fasta
• 对非相互作用界面上，经二次过滤后得到的多样性子集，各突变对应的突变序列non_interface_diverse_mutated_seqs.fasta
• 对非相互作用界面上，经二次过滤后得到的多样性子集，生成双点与三点突变组合，对应的复合物序列non_interface_diverse_multi_mutants_complex_batch.fasta
• 对非相互作用界面上，经二次过滤后得到的多样性子集，生成双点与三点突变组合的序列non_interface_diverse_multi_mutants_seqs.fasta

多链计算结果文件

• cross_chain_merged.csv合并后的多链计算结果，包含所有链的综合评分与排序信息。对于多链体系，Cross_Chain_Rank 表示整体综合排名。
• cross_chain_interface_diverse_subset.csv相互作用界面区域的多样性子集结果。该文件保留界面相关残基/构象中具有代表性的多样化候选，用于分析链间相互作用。
• cross_chain_non_interface_diverse_subset.csv非相互作用界面区域的多样性子集结果。该文件主要反映非界面区域中的多样化候选分布，用于评估整体结构或序列多样性。